28 mars Hundsun architecte en chef, ensembles de données Development Manager, le Hang Seng Institut technologue en chef Zhang Yue réseau Yan Lei Feng dans la classe ouverte, avec « la sagesse de la nouvelle infrastructure financière » dans le titre, la profondeur des données d'analyse l'application et la pratique de Taiwan dans le secteur financier.

Le suivi sera plus en ligne des cours, des conférences ajouté l'enregistrement micro signal LorraineSummer, cette leçon ou montre la lecture vidéo.

les institutions financières de données Zhang Yue Yan sont divisés en deux, un côté est une grande variété de systèmes d'affaires Guilong sur le secteur des centres de données, ce qui est un entrepôt de données (nombre de postes), de l'autre côté, il y a beaucoup d'informations en dehors des données du centre de données, les petites entreprises système de superposition de données critiques est un peu comme grand des informations de données de l'extérieur - le rôle des données dans le tableau, qui est, les deux centres ensemble, établir les normes de données appropriées, de sorte que ces données ont une valeur, puis de retour aux affaires à la scène.

l'expérience de la construction combinée et les dernières tendances technologiques dans l'électronique Hang Seng, Zhang Yue Yan explique non seulement les données nécessaires pour construire les institutions financières à Taiwan, mais donne aussi des détails des étapes de construction de la station.

Ce qui suit est un extrait du chapitre partager de la musique Yan, Lei Feng réseau AI Financial Review n'a pas changé l'intention de l'éditeur.

Des données récentes dans le tableau ce concept vraiment feu, en particulier l'année dernière. À la fin de 2018, le Hang Seng e sur la mise en place des données Département du développement de Taiwan, conçu pour aider les institutions financières à construire une table de données. robe d'or Hang Seng avec des fourmis peut avoir une certaine relation, nous avons également discuté de ce concept et des unités de taille moyenne.

Dans le secteur financier là, ils ont un argument commun que la course d'étirement, un deux cents dernières années, l'impact de la technologie sur le secteur financier est encore très évident, y compris la révolution industrielle, les mises à niveau des technologies de l'information.

Plus près des dernières années, nous pouvons voir clairement l'industrie financière complète de la posture numérique, en réseau, intelligents « trois vagues superposées ». base de données intelligente en particulier en fait. En raison de l'industrie financière elle-même a beaucoup de données, puis ajouter la superposition de la technologie Internet, ce qui en plus de données, nous aider à construire les applications de renseignements appropriés.

Chine institutions financières licenciées, y compris les titres, contrats à terme, les fonds, les banques, les assurances, la confiance, associée à l'échange, est ce que nous appelons l'ensemble de l'infrastructure de l'industrie, y compris Clearing Corporation, les échanges de Shanghai et de Shenzhen, les transactions à terme la suite de la sorte. électronique Hang Seng a été autour depuis plus de 20 ans dans le secteur financier au développement des TI en conséquence.

Pour le domaine de la richesse Accrocher la gestion de l'information électronique Seng a été concerné par exemple. sociétés de valeurs mobilières, les sociétés de fonds qui offrent des produits financiers, les ventes de produits financiers, dit souvent la gestion de fortune, après la collecte de fonds des institutions financières comment faire des investissements, en matière de gestion d'actifs.

Répartition de vue, ces deux industries ont besoin de données axée sur, correspondant à la mise en uvre axée sur les entreprises, y compris la recherche d'investissement, la gestion des risques, le service à la clientèle, la gestion des opérations, etc., et toutes les données sont liées. On voit aussi que le changement est le passage de l'approche traditionnelle au numérique.

Tels que la recherche d'investissement qui nécessite de grandes données de référence, de recherche d'investissement intelligent. la reconnaissance à la clientèle, les institutions financières agréées exigences KYC, la nécessité jugement clair sur la pertinence du client, ou à assumer la responsabilité juridique correspondante correspondant.

Par exemple, lorsqu'ils participent à des activités financières, vous pouvez être un investisseur, il pourrait être un consommateur financier, comme crédit à la consommation, alors nous devrions être contraints lois et règlements appropriés pour protéger les intérêts des consommateurs, si les institutions financières comment comprendre votre les clients auront beaucoup d'exigences sur numérique.

Du point de vue de l'industrie, l'impact sur l'application intelligente des données sur l'industrie est en pleine croissance.

Tableau de données « Rôle Analyse » dans les institutions financières

institutions financières données peuvent être divisées en deux, Une variété de systèmes d'affaires que les transports et assure la collecte des centres de données sur les entreprises, généralement appelées zones traditionnelles de notre entrepôt de données (numéro d'entrepôt) . Depuis le début du siècle dernier, nous faisons de l'entrepôt de données de construction, maintenant, avec le développement de la technologie, le nombre d'entrepôts en fait, il y a beaucoup de changements correspondants.

Il y a un centre de données d'information, Voici un grand nombre de données provenant d'un système externe d'affaires critiques de petites données superposées sur un grand nombre de grande classe d'information de données de l'extérieur.

Les institutions financières devraient établir les données de la station, la nécessité de se concentrer sur les centres de données d'affaires et IT centre de données. Bien sûr, les données contenues dans ces deux domaines ne peuvent pas être fragmentés, nous avons observé que les données contenues dans ces deux domaines seront par les institutions, les gens, les produits, étroitement liés. Nous de divers postes de gestion des systèmes d'affaires, gestion de patrimoine, la gestion des risques, l'activité de gestion d'actifs, l'activité des services d'agence, de courtage et d'autres institutions financières, les données extraites, la mise en place de normes appropriées.

Ces données générer de la valeur, nous avons besoin de revenir à la scène des affaires.

Par exemple, le nombre de postes ont beaucoup d'analystes BI pour analyser la situation commerciale de l'entreprise, la tendance de l'entreprise, les institutions financières ont beaucoup de personnel d'ingénierie financière, y compris la recherche de l'industrie, la nécessité d'exploiter les opportunités d'investissement, le risque d'investissement de contrôle approprié.

Comme les données de table qui peuvent fournir des services pour permettre aux différents scénarios d'affaires, ce qui est la mise en uvre de la construction de la table de données à faire lorsque la nécessité de répondre.

• portrait entreprise

Entre les centres de données d'affaires et centre de données informatiques, les associations les plus importantes sur deux, nous avons appelé deux portraits, l'un appelé portrait utilisateur, une société appelée portrait.

Les institutions financières sont les industries de services, le secteur des services est de servir vos clients. Comment décrire le client? nous avons besoin en particulier, faire la gestion de patrimoine dans ce domaine est très important, pour obtenir de diverses sources, y compris des données externes correspondant pour caractériser le client, appelé portrait utilisateur.

Après la collecte de fonds, le sujet de votre investissement sont maintenant certaines entreprises sont liées, le noyau est entouré par des sociétés cibles d'investissement, il est donc très important de décrire comment cette entreprise cible, telles que l'analyse des données financières, rapport annonce / recherche / analyse de documents, corrélation l'analyse des produits financiers, profils d'entreprise - l'analyse des risques d'actions, le spectre de l'industrie - l'analyse des risques de l'industrie, des nouvelles, l'analyse de l'opinion publique et ainsi de suite.

Voici un exemple avec des portraits d'entreprise. Avec les progrès technologiques, nous constatons que d'analyser une entreprise, il y a de plus en plus de nouveaux outils, une telle analyse est non seulement une entreprise, mais iront à la mise en place de ce qu'on appelle des profils d'entreprise, des relations d'équité, relation en aval sur l'ensemble de la chaîne de l'industrie analyse.

Lors de la construction de la carte des connaissances, il y aura beaucoup d'informations externes sont des informations de texte, les états financiers ne peuvent pas être facilement structurés. Lorsque vous traitez avec un grand nombre de nouvelles et d'information de texte externe, il est nécessaire d'utiliser des techniques de traitement du langage naturel correspondant aux éléments clés du noyau extrait.

Bien sûr, l'investissement de temps, les investisseurs préfèrent écouter les ragots, donc nous serons très préoccupés par les nouvelles de l'opinion publique, y compris l'analyse professionnelle, les cadres de l'événement, les accidents de sécurité de la production, l'interprétation des professionnels de l'industrie des événements, et ainsi de suite. Nouvelles opinion publique est également un champ d'attention, il aura une incidence sur la conduction sur l'ensemble de l'entreprise.

Ali a dit que lorsque les données de la station est dit souvent qu'un concept appelé un ID, dans lequel les institutions financières traditionnelles, si vous êtes des produits financiers très formels, un ID est facile à réaliser, mais si vous avez introduit un certain nombre d'informations externes, un ID ne il est une chose très difficile.

Par exemple Hundsun, si le stock alors 600570 est un identifiant distinct, mais vous devez regarder où les nouvelles, il peut être rédigé en chinois, « Hundsun » peut être le nom complet, peut être appelé, y compris de nombreuses sociétés cotées, ainsi que Les sociétés du Groupe, société anonyme. Mais dans les nouvelles quand je parlais de la façon dont ces informations identifié avec précision, a déclaré que la société, ou de ses filiales?

Cette fois-ci à traiter un ID est en effet une chose très difficile, le besoin de grands mots financiers à travers le contexte ou la forêt, comme un grand dictionnaire, afin que vous sachiez que plusieurs théories Hundsun par analyse du contexte savoir que parler de la société mère, société anonyme ou d'une filiale.

Construction d'un ID, parfois d'identifier les machines, en particulier la technologie AI, en fait, beaucoup de temps sur le résultat final est une probabilité de problèmes qui peuvent être combiner artificielle et la machine à réaliser.

Les institutions financières à Taiwan pour faire les données, à plusieurs étapes?

A l'actif des institutions financières ont beaucoup de données, comment les actifs de données beaucoup doivent d'abord avoir une raison claire, la seule raison clairement, les données peuvent devenir actifs, sur la base des données afin de faire une certaine synergie.

Chaque collaboration d'affaires à faire, il y a deux façons, l'une est l'ouverture traditionnelle de chaque interface du système d'entreprise, nous pouvons collaborer avec les uns les autres.

Il y a aussi une institution financière générale, les développeurs ont beaucoup de systèmes, les systèmes de contrôle de l'API de ces développeurs, les développeurs ne veulent pas avoir. API ne fonctionne pas lorsque la façon dont la collaboration entreprise il? En fait, les données peuvent également être effectuées par la collaboration appropriée, mais le principe est le besoin de savoir clairement à la fin ce que les actifs de données.

actifs de données internes pourraient meilleure raison, lorsque vous introduisez une grande quantité de données externes, le soi-disant grandes données Beaucoup grand nombre de données externes, ces données externes peuvent encore venir pour acheter différents secteurs d'activité - du point de vue du point de vue de l'ensemble de la société, il y a Quelles sont les données? Est de trier.

• normalisation des données

Avec tant d'actifs de données, comment postuler? Il est important que Avoir les normes de données appropriées, sinon nous définissons le concept de données statistiques, les définitions d'index ne sont pas les mêmes, pour parvenir à une synergie est très difficile.

Tout d'abord de tous les actifs gérés par carte d'actifs, catalogue d'actifs, décrits par les éléments correspondants: quelles données? Ce qui Curry? Qui est responsable? Quels sont les systèmes d'affaires avec pertinents? Le soi-disant données brutes, va le comprendre, la normalisation sur cette base.

Donc, en fait, les données de la station de manière générale, la gouvernance des données seront parlé d'une pièce très importante de données est la norme, y compris le concept des définitions, des indicateurs définissent la façon dont le calibre unifié.

en particulier le secteur financier. Certains indicateurs sont importants dans le secteur financier, parce que les institutions financières doivent assumer la responsabilité juridique pertinente, d'une part, est la nécessité de présenter une variété d'informations aux organismes de réglementation, et la nécessité de divulguer une grande variété d'informations au public, à la fois aspects statistiques des données doivent être cohérentes, sinon il y aura des problèmes. Derrière ce besoin d'élaborer des normes de données appropriées.

L'élaboration de normes de données mis au point avec l'interface API est le même, une écurie, un principe est réduit au minimum.

• Les services de données de

Une fois les données rassemblées, la normalisation de la normalisation des données est de fournir des données pour le département d'utiliser les services de données correspondant, la technologie des services de données devraient, après tout le tableau de données est de cultiver le sol de l'innovation des entreprises, mais aussi utiliser les données pour promouvoir la protection de l'innovation des entreprises . En fait, dans les ensembles de données de la phase de mise en uvre du projet, il est difficile de définir clairement combien les services de données au total.

Ainsi, lorsque dans la construction de la table de données, nous espérons construire une relativement agile pour les institutions financières, peuvent fournir une plate-forme pour les services de données en aval. Dans celui-ci, l'outil est très important.

Lorsque le système fournit un certain nombre de besoins des entreprises en aval de prendre, comment faire rapidement la mise en uvre appropriée? Le nombre initial d'institutions financières font l'entrepôt lorsque l'entreprise en aval a besoin de dire la structure de la table en aval de la société, de sorte que la société directement en aval de prendre leur propre.

Cette fois-ci, vous trouverez beaucoup de problèmes: les centres de données de table sont exposés à un certain nombre d'objets? Combien d'applications en aval pertinentes pour vous? En fait, cela est difficile à contrôler. Si une couche supplémentaire d'une couche que l'on appelle des services de données dans le milieu, sous la forme de l'API, pour former les micro services en aval, ce temps peut être utilisé pour les objets, la fréquence d'utilisation de la commande correspondante.

Enfin, les données sont bons ensemble, et comment appliquer l'intelligence artificielle de pour refléter? AI ont beaucoup d'exigences professionnelles, telles que l'apprentissage de la machine, un ID, les grandes données, cartes de connaissances, etc. Ces personnes sont très professionnels, mais les secteurs d'application suivants n'est pas possible avec beaucoup de professionnels similaires, cette fois le Ministère entreprendra à Taiwan la précipitation compétence professionnelle, va construire une équipe avec l'intelligence artificielle liée, la plate-forme, fournissant secteur tels services professionnels avec un certain nombre d'aval.

Ces ensembles de données, nous l'appelons la nouvelle infrastructure.

Pourquoi neuf? Depuis le début du siècle dernier, le nombre de positions que nous avions déjà commencé à construire, maintenant que la station a plus de données dans l'exploration de données, l'introduction de la technologie d'analyse des données, il est le traitement de la capacité de la grippe aviaire. Nous constatons aujourd'hui que de nombreuses institutions financières ont un certain nombre de technologies d'entrepôt traditionnel, il y a un moment où un grand nombre de données externes venant, en effet, tous les besoins en plate-forme technologique pour faire des mises à niveau .

Étant donné que le format de données est concerné, il y a beaucoup de données texte non structuré est entré, la quantité de données de plus en plus, il est donc nécessaire de mettre en place une nouvelle infrastructure.

Ainsi, lorsque la construction de nouvelles infrastructures, en face de ce que vous verrez? Nous avons fait un travail de base sur la gestion des données appropriées, peigne d'actifs de données comment, l'assurance de la qualité des données, comment les normes de données, l'application intelligente ...... encore relativement faible. Donc, quand je dis aux ensembles de données de construction des institutions financières, il y a en effet de nombreux problèmes immédiats à résoudre.

Après les données de l'an dernier, le concept de la caserne de pompiers, beaucoup de gens disent que Taiwan peut fournir des services de données, en fait, dans la plupart des cas, fournir la plate-forme de données est un ensemble d'outils techniques. Les outils sont nécessaires, mais après avoir les outils, mais aussi beaucoup de choses que les gens font.

Par exemple, les différentes institutions financières, les marchés financiers, les la plupart des systèmes de base critiques ont trois à quatre séries, et parfois également le même type de systèmes d'entreprise pour trouver deux développeurs de construire, ou de la même catégorie d'entreprises basées sur des attributs clients différents bâtiments différents systèmes.

De nombreux types de systèmes d'entreprise de base, au fil des années, de nombreuses versions. données doivent être collectées, il est la capacité d'accueil nécessaire des systèmes d'entreprise de base.

• Accueil des fournisseurs d'information externes

De plus, les données doivent également la station d'accueil différents fournisseurs d'information.

Le marché de la totalité du capital, les fournisseurs informatiques externes ont des dizaines de bon, il y a des données pour fournir une approche plus globale, certaines caractéristiques de données. En plus de ces grandes sociétés informatiques, les institutions financières seront parfois en fonction de leurs caractéristiques, l'achat des données, telles que les données d'un site Web de l'industrie. Ces données externes doivent être effectuées et association de gestion appropriée.

Et les données externes des sociétés d'information, il est une caractéristique très importante est sa structure de données est très instable, il n'y a pas de norme uniforme de l'industrie, les entreprises doivent établir leurs propres normes commerciales, ou des données similaires de l'extérieur, peut se produire un champ du même nom, mais le contenu n'est pas la même situation. Étant donné que ces données est instable, il est nécessaire de construire un grand nombre de règles d'inspection pour protéger la qualité des données.

En outre, depuis la mise en place des ensembles de données, pas des systèmes d'affaires, selon un indicateur direct des applications en aval devraient avoir le même calibre, nous devons trier clairement combien de ces indicateurs communs, pour assurer un diamètre uniforme, qui est une manifestation importante de la valeur du tableau. Le contenu de la situation actuelle est de compter sur la main-d'uvre.

AI refroidir, mais derrière AI exige aussi beaucoup de main-d'uvre. Par exemple, les institutions financières doivent faire face à beaucoup de nouvelles et d'information, qui est le texte traité. traitement de texte chinois qui est une question très importante, l'ambiguïté chinoise est très grave, en particulier les gens, les lieux. Comment résoudre? Cilin nécessité d'établir la connaissance de la cartographie correspondant, le contexte de jugement par la technologie PNL, mais exige aussi beaucoup d'échantillons négatifs. Il exige beaucoup de travail manuel.

• construction de carte de connaissances

Un autre domaine très important de la grippe aviaire est la carte des connaissances. Par exemple, lors de la construction chaîne commerciale, l'investissement en capital-risque afin de déterminer l'entreprise cible, mais aussi pour déterminer ses filiales. Les données du commerce et de l'industrie peuvent être obtenus peuvent être quelques millions de niveau, ainsi que la propriété correspondante ...... ces cartes de connaissances, ou les données cartographiques, bases de données de construction et des capacités d'application, la main-d'uvre pré-besoin d'effectuer. Plus récemment APR populaires, en plus de l'achat ont besoin également des informations sur des données dans le secteur financier, il est nécessaire de traiter les données par un certain nombre de technologies Internet.

applications de données est également très important, après tout, dépensé tant d'argent pour construire les données de la table, sinon fait après que les données dans le tableau qui peut prendre en charge l'application du projet, le projet sera dans l'entreprise en question.

Dans les institutions financières, les données les plus importantes d'application à l'appui de Taiwan a quatre: la gestion, la gestion des risques, la gestion du marketing, de la recherche d'investissement.

La gestion, tout le monde est bien compris, la direction de l'entreprise au rapport, non dépend des éléments de données? Le marketing est centrée sur le client, nous allons les services aux investisseurs appropriés, les responsables marketing doivent faire beaucoup de données pour appuyer l'application. Mais pour l'investissement en termes de risque, il est très important, donc la gestion des risques, le risque de conformité, de contrôle des risques divers aspects des données aussi fortement dépendantes. Il exige beaucoup plus de recherche d'investissement sur les données externes.

Donc, pour les ensembles de données de construction, beaucoup de problèmes, la situation actuelle peut compter sur la main-d'uvre pour faire face à cette partie de la proportion du total est encore relativement importante. Nous espérons également que les progrès technologiques peuvent grandement améliorer l'efficacité de l'arrière du processus humain.

Pour résumer: les données de la plate-forme technologique sous-jacente à Taiwan, pour gérer les données, faire le développement de données appropriées, les services externes, la capacité de construire les outils AI, AI correspondant à construire une plate-forme. Avec cet outil, après la plate-forme pour aider les institutions financières à construire une grande variété de centres de données, y compris les centres de données et le centre de données d'information commerciale, seront éliminés progressivement en fonction de la scène pour établir le cours supérieur de la demande initiale peut migrer progressivement vers la nouvelle table de données l'architecture en place. En l'absence de données de la table, tout le monde sur l'ensemble des données du secteur financier est également très important, un grand nombre d'applications en cours d'utilisation. Une fois les données de table Jianzhong, non seulement l'application de la vieille pelle à tout recommencer, il est donc nécessaire d'avoir un grand nombre d'applications en aval d'un programme de migration en douceur pour mettre à niveau.

portrait d'application d'entreprise détaillée

En plus de l'mentionné ci-dessus ces « sale boulot » à faire dans le tableau de données est encore beaucoup de gens pensent apparence chose cool.

Par exemple, des portraits d'entreprise, Centre d'information qui sont des données très importantes qui devraient décrire clairement les sociétés cibles d'investissement, décrit l'activité de base après les institutions financières ont en effet clairement en aval jouent un très bon soutien. Dans celui-ci, nous avons vu beaucoup de techniques d'intelligence artificielle sont appliquées.

Par exemple, les entreprises qui ont un portrait appelé « recherche d'entreprise intellectuelle, » Cela ne veut pas simplement acheter des données de commerce décrivent est plus, en fait, il sera plus associé à d'autres données vers le haut. Comment liés? Cela implique la connaissance derrière la carte, base de données cartographiques, en plus des données de l'entreprise, ainsi que les données de la chaîne, qui forment le noyau de la relation entre le réseau d'entreprise.

Après ce réseau, vous pouvez superposer vos propres chercheurs de l'institution financière pour étudier le développement des entreprises dans le processus d'affaires, d'analyser des informations commerciales pour former un portrait d'affaires relativement complet.

Le nombre d'entreprises il peut y avoir un million de niveau, les données de l'industrie et le commerce, les relations mutuelles entre les entreprises, les relations d'actions, par le biais de capitaux propres, la dette ou des dirigeants de ces sociétés sont connectées. Ainsi que par les industries en amont et en aval, l'analyse de la chaîne que l'on appelle des institutions financières à investir des chercheurs réseau mis en place, associé.

Une fois l'association a des informations qui se trouve autour de cette entreprise, il n'y a pas de rupture de contrat, un peu comme de la société « système de renseignement. » Dans ce « système d'intelligence » qui se trouve dans une entreprise, entourée d'un grand nombre de couches d'informations provenant de.

• suivi de l'opinion publique

Peut-être vous soucier de ce qui se passe pour le moment, tant d'entreprises construisent également le système de surveillance de l'opinion publique.

Accrocher événement Seng du point de vue de vue, pour convertir l'opinion publique à divers événements, tels que pour des événements corporatifs, des événements d'entreprise pour l'industrie, et d'autres aspects macro de l'événement, qui aura un impact sur les entreprises. Catégorisés par divers événements, pour marquer l'entreprise, pour former l'avertissement de risque d'événement correspondant, ce qui nécessite une technologie APR pour sortir de l'opinion publique.

Obtenez beaucoup de traitement de l'information après l'opinion publique, le besoin d'utiliser un grand nombre de technologies liées à la transformation en langage naturel, besoin de compter sur le traitement de texte intelligent pour extraire des informations clés, dans le processus, homonymie est très important, comment homonymie, précise associés aux entreprises concernées.

Et les entreprises ne sont pas statiquement portraits, en particulier le secteur financier a continué à avoir beaucoup de données, avec des points de temps différents, les données changeront. Une chose semblable, mais aussi le processus de fermentation, nous devons savoir ce qui est la cause et l'effet des événements, donc c'est un processus dynamique de développement durable.

• états financiers

Il est très important. Certaines entreprises seront problématiques de fraude financière, le contenu sexuel par beaucoup de lait de chaux, a fait un match parfait, y compris la dissimulation des créances douteuses, la bonne volonté, beaucoup de travail et ainsi de suite.

Comment identifier la fraude financière? Outre l'analyse financière traditionnelle sera fait par l'apprentissage de la machine. Cependant, les besoins d'apprentissage machine un échantillon négatif, l'échantillon est pas négatif, les caractéristiques ne peuvent pas trouver? Il est donc nécessaire de procéder à des indicateurs alternatifs sur. Nous devons analyser les données existantes, des échantillons négatifs trouvés à l'intérieur.

Baolei tels que la bonne volonté, nous sommes allés voir l'entreprise au cours des dernières années, les écarts d'acquisition Baolei de leurs gains à prendre plus et voir à quoi il ressemble, puis les mettre dans le modèle d'apprentissage de la machine, voir si vous pouvez pour trouver le problème.

Bien sûr, il y a des règles si les professionnels eux-mêmes, il est encore plus facile, vous pouvez mettre quelques-unes des données non structurées originales extraites, et les analystes professionnels à des règles d'écriture qui peuvent directement juger. En général, nous allons combiner ces deux méthodes à utiliser.

• Analyse de corrélation

On dit de faire une association de creusement, y compris l'ensemble des risques du réseau. analyse de l'association figure semble être plane, mais en fait c'est un réseau tridimensionnel. Comment rechercher rapidement une réponse sur le réseau en trois dimensions, en particulier quelques degrés recherche plus complexe? Faites une recherche sur la carte, le plus simple est de nous dire clairement physique, faire une recherche de navigation le long de l'entité est très facile, mais cette analyse que vous devez faire plus de quelques degrés, le niveau est des exigences très élevées sur le - - quand beaucoup de temps de réseau, pour savoir la relation plus que quelques degrés quand ne peut pas être atteint la deuxième réponse, ou qui fonctionnent depuis longtemps?

pénétration d'actions, relativement parlant, est une analyse relativement simple de la relation, mais il y a des règles. Comment déterminer un seuil de combien est-elle appropriée? Certaines lois et règlements se définissent, certains pas comment faire? Vous devrez peut-être utiliser des méthodes statistiques pour trouver des échantillons négatifs. Conditions générales de pénétrer dans la pénétration des personnes physiques ou SASAC, pénétrant vers le bas des couches.

Les données du tableau comme une nouvelle infrastructure, le processus de construction est certainement un plus luxueux, nous avons une gestion des données de base et la gouvernance. A partir de la base de données relationnelle traditionnelle à un endroit aux technologies Big Data, technologies AI, la technologie et les entreprises est également très important, sinon vous passez beaucoup de coûts dans la construction de cette station, mais ne savez pas comment utiliser ou ne connaissez pas le modèle de la partie supérieure comment construire, ce qui rend difficile de jouer le rôle des données.

Dans le secteur financier fait des ensembles de données, nous procéderons à une stratification interne, couche partielle est technique, on est partiel d'. Une fois les données est terminée, sera plus couche de base technique de traitement telles que la lecture d'une étiquette, prise de la base de données figure, ce qui est apparemment pas nécessaire pour le trafic élevé, les exigences de base technique seront plus élevés. Après le traitement de données structurées, des groupes d'affaires entrent en jeu. Telles que l'analyse financière nous venons de parler, il existe de nombreux modèles, ce modèle est pas nécessairement l'équipe informatique est bon.

Par exemple, comme le Hang Seng, nous faisons également avertissement par défaut de la dette, effectuer une analyse des données. Tout d'abord, quelle est l'analyse du statu quo Oui. La deuxième analyse des raisons, par exemple, quelle est la raison de la croissance? Un investissement pour faire de l'argent, à la fin est la partie de la gagner, appelée attribution de performance. Le troisième est un avertissement, peut être fait pour prédire de retour prévue. Les raisons incluent le temps de le faire dit, en fait, il y a beaucoup de modèles professionnels.

Ceux-ci sont généralement biaisés notre équipe commerciale va faire, nous trouverons la bonne personne pour faire les premiers modèles d'ingénierie financière pour soutenir en aval à la scène. les gens d'affaires techniques partielles et partiales, certainement pas la même profondeur de traitement des données. Par exemple, le modèle d'alerte précoce de la façon dont les obligations font? Tableau de bord très simple apparence est une même chose multifactorielle, mais le facteur clé est la façon dont chaque option, comment les poids attachés, qui exigent certains membres du personnel professionnel à faire.

Technologie AI banque d'investissement, pourquoi l'exploration de données peut être classé deuxième?

À l'avenir, les données de la technologie minière dans les investissements financiers dans l'IA, au deuxième rang, au premier rang de reconnaissance d'image. Je pense qu'il est mieux comprise, parce que l'application de reconnaissance d'image est en effet relativement plus les zones matures, la précision est également élevée. Cependant, nous avons constaté que l'exploration de données est actuellement classé deuxième dans les entrées techniques entières dans? Nous nous sentons beaucoup mieux maintenant avec des moyens encore plus traditionnels, pourquoi il est en deuxième place?

Si l'analyse de Gartner de ces techniques énumérées ci-dessus rapport cette page sont également considérés comme des mots à l'intérieur de la technologie de l'exploration de données, peut en effet mettre montera. Ceci est la dernière année de données analyse des tendances technologiques Gartner, j'ai choisi quelques-uns.

• D'ici 2020, il y aura 50% des requêtes analytiques grâce à la recherche, le traitement du langage naturel ou généré parole ou généré automatiquement.

• En 2021, le traitement du langage naturel et le dialogue analyseront l'analyse et de business intelligence taux d'adoption est passé de 35% à 50% du personnel, y compris de nouvelles catégories d'utilisateurs, en particulier le personnel de la réception.

• Pour 2021, plus de mémoire persistante (mémoire non volatile) compte de calcul de mémoire GB consommation de mémoire de 10%.

• 2022, l'analyse graphique et les bases de données d'application sera un taux de croissance annuel de 100%, l'accélération des données pour préparer et mettre en uvre des données scientifiques plus complexes et adaptables

• 2022, en augmentant l'apprentissage automatique et la gestion de niveau de service automatisé, les tâches manuelles de gestion des données seront réduites de 45%.

Pourquoi nous avons étudié cette technologie? En fait, l'utilisation des données devient de plus en plus fréquente, ne veut pas dire que seuls quelques analystes professionnels utilisent seulement elle, tout l'écosystème dans tous les aspects de l'entreprise, et peuvent avoir besoin de données. Vous ne pouvez pas obtenir les données pour ces personnes, les exigences d'analyse à un niveau élevé, il citeront une technologie de langage naturel à traiter.

la cartographie des connaissances que nous avons déjà mentionné, en fait, il est la technologie sous-jacente a deux types, une base de données de carte appelée carte mémoire, ainsi que l'analyse d'un graphique, Gartner prédit que cette affaire est dit à cent pour cent le taux de croissance annuel.

Vous devez faire l'analyse des données, la chose la plus importante est liée, il est nécessaire d'associer les données afin de faire une analyse plus approfondie, il est en effet une vue relativement bien de la base de données. Associé à de grandes quantités de données, vous trouverez la structure des données est difficile de dire dans la réservation à l'avance, bien prédit, il est que les avantages de la base de données cartographiques, la structure correspondante, propriétés, ajouter une partie de l'analyse initiale est sans effet.

Le dernier, en fait, ce que je préférerais voir, comme je viens de dire, que ce soit pour construire un centre de données ou, à Taiwan pour faire les données ou tout simplement besoin de beaucoup de main-d'uvre.

Mais Gartner prédit également, en fait, nous voyons en réalité un grand nombre d'apprentissage de la machine, l'utilisation d'une variété d'automatisation à travers l'ensemble de la gestion des données ou de la préparation des données. Lorsque l'entreprise ne sont pas familiers avec l'apprentissage de la machine peut réduire considérablement la charge. Lorsque vous modifiez les données pour analyser d'autres personnes dans l'industrie lorsque de nouvelles personnes arrivent, ou, un grand nombre d'outils automatisés pour vous aider à la gestion des données, la préparation des données à faire, peut effectivement améliorer l'efficacité des données mises à Taiwan.

Le suivi sera plus en ligne des cours, des conférences ajouté l'enregistrement micro signal LorraineSummer, cette leçon ou montre la lecture vidéo.

Lei Feng Lei Feng Lei réseau de réseau de réseau Feng